Von Datenchaos zu Real-Time-Analytics – ein systematischer Ansatz
„Daten sind das Öl des 21. Jahrhunderts.“ Dies ist allen Managern bewusst. Leider bedarf es wie bei der Ölförderung einer Expertise darin, die richtigen Daten zu finden und sie dann auch entsprechend zu raffinieren, um einen wirklichen Nutzen daraus zu schlagen. Sonst hat man nur nutzlose Teerklumpen.
Im Rahmen verschiedener Business Intelligence Projekte haben wir uns damit beschäftigt, aus Daten Erkenntnisse zu machen, steuerungsrelevante KPIs abzuleiten, diese in Form von Dashboards abzubilden und damit in die tägliche Anwendung zu überführen. Wir sind davon überzeugt, dass faktenbasiertes Management einem rein intuitiven Vorgehen überlegen ist und einen enormen Erfolgsbeitrag leistet. Nicht nur, weil es dazu führt, den Kunden besser zu verstehen und entsprechend das Richtige zu tun. Sondern auch, weil Unternehmen damit eine Währung schaffen, die über alle Unternehmensebenen hinweg eine gemeinsame Ausrichtung auf ein Ziel schafft. So arbeiten auch autonom agierenden Teams in eine Richtung und schaffen damit gemeinsam etwas Größeres.
Es müssen viele Hürden überwunden werden – und dabei geht es nicht nur um Datenverfügbarkeit, sondern auch um die Frage, wie Mitarbeiter mit zunehmender Transparenz umgehen. Deshalb verfolgen wir einen Ansatz, der nicht rein auf Daten und ETL-Prozesse orientiert ist, sondern den gesamten Kontext berücksichtigt und damit eine erfolgreiche Umsetzung ermöglicht.
Phase 1 – Scoping & Buy In
Häufig entsteht in einer Fachabteilung der Wunsch bestimmte Daten miteinander zu verknüpfen, um neue Erkenntnisse aus den Daten zu gewinnen. Dies ist der Zeitpunkt für ein sorgfältiges Screening:
- Welche Daten werden bereits wie strukturiert aufbereitet und ggf. im Core-Datawarehouse gesammelt?
- Welche Daten werden ggf. völlig isoliert erhoben und dezentral gesammelt?
- Welche Softwarelösungen zur Visualisierung sind im Einsatz?
- Gibt es bereits Selfservice BI Lösungen?
Diese Phase ist durchaus kritisch, da es aus der Gesamt-Unternehmenssicht ineffizient ist, wenn an jeder Ecke im Unternehmen neue Datensysteme mit individuellen Softwarelösungen entstehen.
Häufig finden wir folgende Situation vor: Es gibt funktionierende ETL-Strecken, ein zentrales Datawarehouse und ein Teil der Informationen ist verfügbar, aber daneben werden auch Zahlen direkt an die Fachabteilung reportet.
In einem unserer Projekte verhinderten ineffiziente Reportingstrecken die inhaltliche Auseinandersetzung mit den Daten. Ein Großteil der KPIs wurde von den unabhängigen Vertriebspartnern direkt an die Business Development Unit reportet, ohne dass dieser Datenfluss in einen zentralen IT-Prozess integriert war. Der Kontext ist höchst business-relevant: Die lokalen Vertriebspartner werden durch die zentrale Einheit mit Budgets unterstützt und müssen im Gegenzug zentrale KPIs reporten. In definierten Zyklen werden Daten in einzelnen Dateien an die Zentrale gemeldet. Diese werden manuell zusammengeführt, bevor die eigentliche, inhaltliche Auseinandersetzung beginnen kann. Durch die vielen manuellen Schritte ist dieser Vorgang extrem zeitintensiv und fehleranfällig. Hier ist der Auftrag klar: Datenflüsse homogenisieren und professionalisieren, Datenqualität steigern und Zahlen aufbereitet zugänglich machen.
Entscheidend in dieser Phase, ist eine erste Kosten-/Nutzen-Analyse. Welcher Aufwand steckt heute in der Erhebung und Bereitstellung der Daten? Welcher Zusatznutzen kann erzeugt werden, z.B. durch eine verbesserte Datenqualität, aber auch durch neue Analysemöglichkeiten? Eine gute und optimalerweise partizipativ erarbeitete Argumentation sichert den Buy-In der Beteiligten, die zunächst mehr leisten bzw. Mittel bereitstellen müssen, bevor sie den Nutzen in der täglichen Arbeit spüren.
Phase 2 – Konzept
Jedes BI-Projekt ist durch eine Business-Fragestellung getrieben. Dazu zählt einerseits die analytische Fragestellung, aber genauso die Frage, wie zukünftig mit den neuen Informationen gearbeitet werden soll. Insofern müssen natürlich die Fragen technisch-fachlicher Natur in der Konzeptphase geklärt werden. Aber ebenso muss beachtet werden, wie die zukünftige Nutzung der neuen Datensichten und Insights sichergestellt wird.
Die technisch-fachlichen Fragen beinhalten beispielsweise:
- Wie lautet die genaue Aufgabenstellung? Was ist in-scope und was ist out-of-scope?
- Beantworten die angedachten KPIs wirklich unsere Fragestellung?
- Sind die KPIs belastbar und stimmt die Datenqualität im Hintergrund?
- Differenzieren die entsprechenden KPIs hinreichend, um Maßnahmen ableiten zu können?
- Auf welche KPIs können wir verzichten, weil sie stark mit anderen korrelieren?
Typische Fragen zur Einführung einer neuen BI-Lösung lauten:
- Mit welchen laufenden Initiativen muss ich mich synchronisieren?
- Starte ich mit einem Piloten einer Einheit? Und wie wähle ich diese aus?
- Wie muss der Onboarding-Prozess gestaltet werden?
- Benötigen wir externe Unterstützung bei der Einführung?
- Woran messe ich den Erfolg der Einführung?
Diese Fragen müssen in konzeptionelle Phase geklärt werden, da der weitere Aufbau eines Datensystems ansonsten völlig ausufern kann. Für ein erfolgreiches Projekt muss eine klar umrissene Zielsetzung vorliegen! Und das Konzept muss neben der technischen Umsetzung auch die Implementierung beinhalten, damit die Potenziale auch wirklich gehoben werden.
Phase 3 – Set-up
In unserem Beispiel war der erste Schritt im Set-up die Automatisierung der Datenströme, um Frequenz und Qualität der Datenlieferungen zu erhöhen. In diesem Kontext zeigte sich die Bedeutung des Buy-Ins bei allen involvierten Stakeholdern. Das vorhandene Bewusstsein für den entstehenden Nutzen führte dazu, dass die Beteiligten bereit waren, ein Investment in Form von Zeit und IT-Ressourcen auf sich zu nehmen.
Parallel zur technischen Umsetzung wurden die Vertriebspartner an die neuen Instrumente zur Datenübermittelung herangeführt. Im Rahmen einer mehrwöchigen Pilotphase wurden manuelle Datenlieferungen durch (teil)automatisierte Lieferungen via API oder FTP abgelöst. Dieser Prozess ist wie jede Veränderung zunächst mit Aufwand verbunden. Der direkte Nutzen war hier noch nicht erkennbar. An dieser Stelle war es erfolgskritisch, dass alle relevanten Stakeholder bereits früh im Projekt involviert waren.
Während der Pilotphase wurden Einzelabnahmen durchgeführt, d.h. jeder Vertriebspartner durchlief einen individuellen Piloten, in dem geprüft wurde, ob Frequenz und Qualität der Datenlieferungen den Anforderungen entsprechen. Bereits in diesem Schritt konnte die Datenqualität enorm gesteigert werden, womit wir unsere Business-Fragestellungen deutlich sicherer beantworten konnten.
Phase 4 – Schulung
Kein BI-System trägt sich von alleine. Es ist unerheblich, wie gut das Datensystem oder wie ergiebig das Dashboard ist. Gibt es keinen vernünftigen Onboarding-Prozess, der die Nutzer befähigt, eigenständig und selbstbewusst mit den Systemen zu arbeiten, wird lediglich ein teures Datengrab geschaffen.
Im Rahmen des Projektes wurden die Ziele erreicht, indem neben einem Kick-Off eine bedarfsgerechte Begleitung der Nutzer über einen längeren Zeitraum sichergestellt wurde. Dabei war die Begleitung anfangs noch sehr engmaschig und wurde dann schrittweise zurückgefahren. Eine schnelle Klärung von Problemen in der Startphase stellte sich als essenziell für den Erfolg der Umsetzung heraus.
Phase 5 – Laufender Betrieb
Im laufenden Betrieb werden sich neue Fragestellungen ergeben. Durch die Effizienzgewinne bei der Aufbereitung und Bereitstellung der Daten, ergeben sich nun völlig neue Möglichkeiten hinsichtlich der Auseinandersetzung mit den Daten. Sind die Zahlen plausibel? Haben alle das gleiche Verständnis von den jeweiligen KPIs? Steuern wir richtig? Haben unsere Kampagnen Erfolg? Es können und müssen im laufenden Betrieb weitere Feinjustierungen erfolgen.
Im Rahmen unseres Beispiels stellte sich bereits zu Beginn heraus, dass es große Unterschiede bei der inhaltlichen Interpretation einzelner KPIs gab. Dies hat wiederum Einfluss auf die reporteten Zahlen und damit auf die inhaltliche Bewertung, was wiederum konkreten Einfluss auf die abgeleiteten Maßnahmen hat. BI-Projekte zwingen die Beteiligten auch über den Status Quo zu reflektieren und grundlegende Prozesse neu zu bewerten.
Phase 6 – Weiterentwicklung
Durch den Qualitätssprung bei der Datenanalyse gibt es neue Impulse für die operative Arbeit. Außerdem werden weitere Fragestellungen auftauchen. Ein Datensystem muss von Anfang an so flexibel gestaltet werden, dass neue Fragestellungen aufgenommen und beantwortet werden können. Nur Datensysteme, die dauerhaft Antworten auf aktuelle Business-Fragestellungen liefern, können lange Bestand haben und die Transformation von Bauchgefühl- in Fakten-Management begleiten.
Im dargestellten Projekt arbeiten die Piloteinheiten bereits an der Weiterentwicklung. Spannend zu beobachten ist die Dynamik innerhalb des Unternehmens. Je mehr Personen mitbekommen, wie wertvoll die datenbasierte Arbeitsweise ist, desto mehr Begehrlichkeiten entstehen.
Ausblick
Aus den bestehenden Daten neue Erkenntnisse machen, ist ein wichtiger Schritt, der mit unterschiedlichen Motiven von verschiedenen Einheiten im Unternehmen angestoßen wird. Da Daten jedoch einen entscheidenden Wettbewerbsvorteil liefern, muss das Thema Datenstrategie auf die CEO-Agenda. Eine systematische Verbindung von heutigen und zukünftigen Geschäftsmodellen mit einem Datenmodell ist wesentlich, um sich einen Wettbewerbsvorteil erarbeiten zu können.
Ebenfalls wird es nicht nur wichtig sein, die entsprechenden Kompetenzen von Data Scientists im Unternehmen zu haben. Auch Führungskräfte müssen verstehen, wie Daten genutzt werden können, welches Training ihre Mitarbeiter benötigen, um aus Daten Erkenntnisquellen zu machen und das Maximum diesen herauszuholen.
Unsere Empfehlung: Starten Sie mit einem klar umrissenen Projekt, um zu lernen und einen konkreten Use Case zu haben. Im Rahmen dieses Projekts werden viele neue Themen und Fragen entstehen. Nehmen Sie diesen Input, um das Thema Datenstrategie anzugehen.